语音/视频 API
将音频和视频文件智能转写为文字，或进行中维语音翻译。
一、语音/视频转文字
接口概览
POST /developer/voice-to-text
请求方式：multipart/form-data
文件限制
mp3 / wav — 最长 30 分钟
mp4 — 最长 5 分钟
最大文件 50 MB
支持语言：维吾尔语、中文、英文
请求参数
| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
client_id | string | 是 | 开发者 AppID |
client_secret | string | 是 | 开发者 API Key |
file | file | 是 | 音/视频文件（mp3、wav、mp4） |
format | string | 是 | 输出格式：srt 或 text |
返回格式
format = text
JSON 响应
{
"code": 200,
"success": true,
"data": {
"text": "识别出的纯文本内容",
"used": 120,
"remain": 880
}
}
format = srt
JSON 响应
{
"code": 200,
"success": true,
"data": {
"srt_text": "1\n00:00:01,000 --> 00:00:03,500\n第一句字幕\n\n2\n...",
"full_text": "第一句字幕 第二句字幕 ...",
"used": 120,
"remain": 880
}
}
错误响应
| 状态码 | 说明 |
|---|---|
| 401 | client_id 或 client_secret 无效 |
| 403 | 账号已被禁用或剩余字符数不足 |
| 400 | 参数错误（格式不支持、文件过大、时长超限等） |
| 500 | 服务端识别失败 |
调用示例
cURL
curl -X POST https://www.xjai.chat/developer/voice-to-text \ -F "file=@audio.mp3" \ -F "format=text" \ -F "client_id=your_client_id" \ -F "client_secret=your_client_secret"
二、语音翻译
接口概览
POST /developer/voice-translate
请求方式：multipart/form-data
文件限制
mp3 / wav — 最长 30 分钟
mp4 — 最长 5 分钟
最大文件 50 MB
支持语言：中文 ↔ 维吾尔语
请求参数
| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
client_id | string | 是 | 开发者 AppID |
client_secret | string | 是 | 开发者 API Key |
file | file | 是 | 音/视频文件（mp3、wav、mp4） |
source_lang | string | 是 | 原始语言：zh（中文）或 ug（维吾尔语） |
target_lang | string | 是 | 目标语言：zh（中文）或 ug（维吾尔语），须与 source_lang 不同 |
返回格式
JSON 响应
{
"code": 200,
"success": true,
"data": {
"text": "翻译结果文本",
"used": 120,
"remain": 880
}
}
错误响应
| 状态码 | 说明 |
|---|---|
| 401 | client_id 或 client_secret 无效 |
| 403 | 账号已被禁用、无权限或剩余字符数不足 |
| 400 | 参数错误（语言参数无效、文件格式不支持、文件过大、时长超限等） |
| 500 | 语音识别或翻译失败 |
调用示例
cURL
curl -X POST https://www.xjai.chat/developer/voice-translate \ -F "file=@audio.mp3" \ -F "source_lang=zh" \ -F "target_lang=ug" \ -F "client_id=your_client_id" \ -F "client_secret=your_client_secret"
计费说明
按识别出的原文字符数扣减，每次调用成功后扣除实际识别文本的字符数量。
字符余额耗尽后将无法继续调用，需联系管理员充值。